[python] scikit-learn을 활용한 라쏘 회귀

01 Dec 2023

라쏘 회귀(lasso regression)는 특성 선택을 수행하는 회귀 알고리즘 중 하나입니다. scikit-learn은 파이썬에서 머신러닝 모델을 구현하기 위한 도구로 널리 사용되며, 라쏘 회귀 모델을 손쉽게 구현할 수 있습니다.

1. 필요한 라이브러리 가져오기

라쏘 회귀를 구현하기 위해 scikit-learn 라이브러리를 가져와야 합니다.

from sklearn.linear_model import Lasso

먼저, 라쏘 회귀 모델을 훈련시키기 위해 사용할 데이터를 준비해야 합니다. 이 예제에서는 실제 주택 가격 데이터셋을 사용하겠습니다.

from sklearn.datasets import load_boston
boston = load_boston()
X, y = boston.data, boston.target

라쏘 회귀 모델을 생성하고 학습시켜보겠습니다. alpha 매개변수는 정규화 강도를 제어하는 하이퍼파라미터입니다.

lasso = Lasso(alpha=0.1)
lasso.fit(X, y)

학습이 완료되었다면, 모델을 사용하여 새로운 입력값에 대한 예측을 수행할 수 있습니다.

new_data = [[6.2, 0.0, 18.10, 0, 0.770, 6.127, 85.2, 2.122, 24, 666, 20.2, 274.772, 20.1]]
prediction = lasso.predict(new_data)
print(prediction)

라쏘 회귀 모델을 사용하여 예측한 결과를 분석해봅시다. 예측된 값은 이 변수의 가격을 의미합니다.

scikit-learn을 사용하면 라쏘 회귀와 같은 다양한 회귀 모델을 손쉽게 구현할 수 있습니다. 머신러닝을 활용하여 데이터에 대한 예측을 수행하고, 이를 통해 다양한 분석을 수행할 수 있습니다.